【技术实现步骤摘要】
本专利技术属于交通控制
,尤其涉及一种基于遗传算法的快速道路连续瓶颈路段的可变限速控制策略优化方法。
技术介绍
可变限速控制作为一种越来越被广泛用于改善快速道路交通安全的交通控制策略,其控制效果与可变限速值确定过程所采用的算法密切相关。遗传算法作为一种闭环结构,可以通过不断挖掘具有更好控制效果的控制参数取值以及控制效果对控制策略的反馈调节过程,有效提升可变限速控制的效果和可变限速控制限速值的合理性。因此,基于遗传算法的快速道路连续瓶颈路段的可变限速控制策略优化方法,通过遗传算法不断挖掘可变限速控制核心参数的最优取值实现可变限速控制效果的最优化。目前的可变限速控制策略中涉及的关键参数取值主要依赖工程师经验主观确定,而且不同位置不同时刻的可变限速值存在跳跃性,可变限速值过于频繁的大幅波动易导致可变限速控制区域的安全隐患。以往研究也没有建立快速道路事故严重程度预测模型,使得考察可变限速控制效果时无法对事故严重程度进行考量。本专利技术提出基于遗传算法的快速道路连续瓶颈路段的可变限速控制策略优化方法,相比于以往的可变限速控制策略,本专利技术提出的策略考虑了交通控制对交通事故严重程度的影响,有效提升了可变限速控制效果,同时使得相邻时间段和空间上的可变限速值变化更连续。
技术实现思路
本专利技术要解决的问题是:以往可变限速控制策略缺乏对相邻路段限速值进行协调控制,而快速道路上连续瓶颈路段交通流波动幅度大是交通事故的主要诱因,同时针对连续瓶颈路段的可变限速控制策略的关键参数取值具有主观随意性。本专利技术提出一种基于遗传算法的快速道路连续瓶颈路段的可变限速控制策略优化方 ...
【技术保护点】
一种快速道路连续瓶颈路段的可变限速控制策略优化方法,其特征是包括以下步骤:1)确定连续瓶颈路段范围及交通流检测器设置的合理间距,在快速道路路段内合理位置依次配套设置交通流检测器和可变限速控制指示牌。通过交通流检测器周期性检测连续瓶颈区域内各路段的交通流数据;2)构建针对快速道路连续瓶颈路段的实时事故风险预测模型,可分别计算事故发生概率和事故死亡/受伤概率,具体步骤包括:201)采用顺序logit模型建立事故风险预测模型,模型分为两步:首先,建立交通事故风险预测模型,Y=1代表交通事故发生,Y=0代表无交通事故;其次,建立事故严重程度预测模型,Y=1代表受伤/死亡事故,Y=0代表仅财产损失事故;上述两个步骤中,均采用如下基本二项logit模型形式:P(Y=1)=11+e-g(X)]]>其中,P(Y=1)为交通事故发生概率或受伤/死亡事故概率,g(X)为效用函数,即自变量X的线性组合,表达式如下:g(X)=β0+β1x1+…+βkxk其中,xk为交通流变量k的值,βk为变量k的系数;采集研究路段内交通事故发生前后5分钟的交通流数据及没有发生事故的交通流数据,对上述模型中变量参数进行拟合;2 ...
【技术特征摘要】
1.一种快速道路连续瓶颈路段的可变限速控制策略优化方法,其特征是包括以下步骤:1)确定连续瓶颈路段范围及交通流检测器设置的合理间距,在快速道路路段内合理位置依次配套设置交通流检测器和可变限速控制指示牌。通过交通流检测器周期性检测连续瓶颈区域内各路段的交通流数据;2)构建针对快速道路连续瓶颈路段的实时事故风险预测模型,可分别计算事故发生概率和事故死亡/受伤概率,具体步骤包括:201)采用顺序logit模型建立事故风险预测模型,模型分为两步:首先,建立交通事故风险预测模型,Y=1代表交通事故发生,Y=0代表无交通事故;其次,建立事故严重程度预测模型,Y=1代表受伤/死亡事故,Y=0代表仅财产损失事故;上述两个步骤中,均采用如下基本二项logit模型形式: P ( Y = 1 ) = 1 1 + e - g ( X ) ]]>其中,P(Y=1)为交通事故发生概率或受伤/死亡事故概率,g(X)为效用函数,即自变量X的线性组合,表达式如下:g(X)=β0+β1x1+…+βkxk其中,xk为交通流变量k的值,βk为变量k的系数;采集研究路段内交通事故发生前后5分钟的交通流数据及没有发生事故的交通流数据,对上述模型中变量参数进行拟合;202)步骤201)中所构建的事故风险预测模型中,用于预测位置xi处的交通事故发生概率的模型包含10个显著变量,其效用函数如下所示:gi(x)=-2.672+0.074xi1+0.060xi2+0.050xi3+0.119xi4+0.092xi5+0.026xi6+1.057xi7-0.049xi8-0.856xi9+0.508xi10其中,xi1为上游检测器平均占有率,xi2为上游检测器速度标准差,xi3为下游检测器速度标准差,xi4为相邻车道占有率之差,xi5为上下游检测器流量之差,xi6为上下游占有率之差,xi7为上下游检测器间距,xi8为路面宽度,xi9为路肩宽度,xi10为曲线路段指示变量;203)步骤201)中所构建的事故风险预测模型中,用于预测位置xi处的交通事故严重程度概率的模型包含4个显著变量,其效用函数如下所示:gj(x)=2.129-0.033xj1-0.056xj2-0.335xj3-0.036xj4其中,xj1为上游检测器平均占有率,xj2为下游检测器平均流量,xj3为高峰期指示变量,xj4为路面宽度;3)判断当前时刻是否是可变限速控制周期的整数倍,若是则对每个限速标志位置
\t限速值进行计算,否则就不做任何操作进入下一个交通流数据检测周期,具体步骤包括:301)依据步骤1)中交通流检测器检测到的某路段i上下游位置的实测交通流平均速度v(xi+1,t)和v(xi-1,t),依据如下公式计算路段i上的目标限速值:TVSL(xi,t)=α·v(xi+1,t)+(1-α)·v(xi-1,t)其中,TVSL(xi,t)为路段i在时刻t的目标限速值;a为速度平滑因子(0<a<1);v(xi+1,t)和v(xi-1,t)分别为在上游路段i-1和下游路段i+1检测器输出的实际速度;302)基于步骤301)中求得的当前时刻位置xi可变限速指示牌的目标限速值TVSL(xi,t),结合变化步长ΔV可确定位置xi的可变限速标志在t时刻的改变幅度值,计算公式如下: ΔV S L ( x i , t ) = - Δ V , i f T V S L ( x i , t + Δ t ) < V S L ( x i , t ) - Δ V 0 , i f V S L ( x i , t ) - Δ V ≤ T V S L ( x i , t + Δ t ) ≤ V S L ( x i , t ) + Δ V Δ V , i f T V S L ( x i , t + Δ t ) > V S L ( x i , t ) + Δ V ]]>其中,ΔV为可变限速值改变幅度;TVSL为目标限速值;VSL(xi,t)为路段i内位置xi的可变限速标志在t时刻的限速值;303)考虑多个限速标志间的协调控制后,对步骤302)中计算得到的位置xi的可变限速标志在t时刻的变化步长值进行修正更新,计算公式如下: ΔV S L ( x i , t ) = - ΔV ′ , i f T V S L ( x i , t + Δ t ) ≤ T V S L ( x i + 1 , t + Δ t ) - ΔV ′ 0 , , a l l o t h e r c a ...
【专利技术属性】
技术研发人员:李志斌,刘攀,王炜,徐铖铖,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。